通过 LLM 解释性实现货币对情感的变现
人工智能
2024-08-13 v1
摘要
大型语言模型（LLMs）在今天组织中的几乎每个领域都发挥着关键作用。在本工作的上下文中，我们强调了 LLMs 在情感分析（SA）和解释性方面的应用。具体而言，我们贡献了一种新方法，利用 LLMs 作为后验模型无关的解释工具来实现 SA 的解释性。我们将该技术应用于金融领域，对货币对价格进行预测，使用开放新闻 feed 数据与市场价格相合并。我们的应用表明，所开发的技术不仅是使用传统可解释人工智能（XAI）的可行替代方案，还可以反馈到机器学习（ML）模型的输入中，以更好地预测未来货币对的值。我们设想这些结果可以推广到将解释性作为常规输入 Enrichment 用于更好的 ML 预测的通用方法。
引用
@article{arxiv.2407.19922,
title = {Monetizing Currency Pair Sentiments through LLM Explainability},
author = {Lior Limonad and Fabiana Fournier and Juan Manuel Vera Díaz and Inna Skarbovsky and Shlomit Gur and Raquel Lazcano},
journal= {arXiv preprint arXiv:2407.19922},
year = {2024}
}
备注
7 pages, 3 figures, AIFin@ECAI 2024